用身高和體重数据进行性别分类的实验报告.docVIP

用身高和体重数据进行性别分类的实验报告（二） 基本要求 1、试验非参数估计，体会与参数估计在适用情况、估计结果方面的异同。 2、试验直接设计线性分类器的方法，与基于概率密度估计的贝叶斯分类器进行比较。 3、体会留一法估计错误率的方法和结果。 二、具体做法 1、在第一次实验中，挑选一次用身高作为特征，并且先验概率分别为男生0.5，女生0.5的情况。改用Parzen窗法或者kn近邻法估计概率密度函数，得出贝叶斯分类器，对测试样本进行测试，比较与参数估计基础上得到的分类器和分类性能的差别。 2、同时采用身高和体重数据作为特征，用Fisher线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用Bayes方法求得的分类器也画到图上，比较结果的异同。 3、选择上述或以前实验的任意一种方法，用留一法在训练集上估计错误率，与在测试集上得到的错误率进行比较。 三、原理简述及程序框图 1、挑选身高(身高与体重)为特征，选择先验概率为男生0.5女生0.5的一组用Parzen窗法来求概率密度函数，再用贝叶斯分类器进行分类。 以身高为例 本次实验我们组选用的是正态函数窗，即，窗宽为（h是调节的参量，N是样本个数） ，（d表示维度）。因为区域是一维的，所以体积为。Parzen公式为。 故女生的条件概率密度为 男生的条件概率密度为 根